Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/handle/123456789/31196
Title: Proposal of embedded standalone and distributed genetic algorithms for low-power, low-cost and small-sized memory devices
Authors: Medeiros, Denis Ricardo da Silva
Keywords: Algoritmos genéticos;Microcontroladores;8-bits;Sistemas embarcados;Sistemas distribuídos
Issue Date: 5-Nov-2020
Publisher: Universidade Federal do Rio Grande do Norte
Citation: MEDEIROS, Denis Ricardo da Silva. Proposal of embedded standalone and distributed genetic algorithms for low-power, low-cost and small-sized memory devices. 2020. 100f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020.
Portuguese Abstract: Este trabalho propõe duas implementações de algoritmos genéticos voltadas para dispositivos com limitações em consumo de energia, baixo custo, e quantidade de memória: uma versão autônoma, para ser uttilizada em um único dispositivo, e uma versão distribuída, para ser usada em múltiplos dispositivos simultaneamente. A motivação deste trabalho é adaptar e otimizar essa importante técnica de inteligência artificial para que ela possa ser usada em inúmeras aplicações que tradicionalmente não era viável, como em microcontroladores. No trabalho, é feita uma investigação sobre como otimizar cada segmento do algoritmo e são fornecidos detalhes específicos sobre as duas implementações, incluindo seus códigos-fonte. Além disso, vários experimentos e simulações para diferentes cenários foram realizadas para validar seu funcionamento correto usando a técnica de Hardware-In-Loop, bem como para descobrir limitações nos parâmetros do algoritmo. A implementação autônoma é comparada a outro trabalho da literatura e ela é mais rápida e usa menos recursos. Para a versão distribuída, uma importante análise feita foi verificar se ela pode ser mais rápida que a versão autônoma, mas também mais eficiente em termos de consumo de energia ao se reduzir a frequência e a tensão de operação desses dispositivos. Por fim, esta investigação pôde determinar qual é o limite a partir de onde a versão distribuída, mesmo com uma alta sobrecarga devido à comunicação entre os dispositivos, se torna mais rápida ou mais eficiente em termos de consumo energia quando comparada à outra versão.
Abstract: This work proposes implementations of genetic algorithms targeting low-power, lowcost, and small-sized memory devices in two variants: a standalone version, to be used in one single device, and a distributed version, to be used in multiple devices simultaneously. The motivation is to adapt and optimize this important artificial intelligence (AI) technique so that it can be used in numerous applications where traditionally it was not feasible to be utilized, such as in microcontrollers. An investigation about how to optimize each separated segment of the algorithm is done and extensive details about both implementations are provided, including their source codes. Moreover, various experiments and simulations for multiple scenarios were done to validate their correct operation using Hardware-In-Loop technique, as well as to find out limitations for the algorithm parameters. The standalone implementation is compared to other work in the literature and it performs faster and using fewer resources. For the distributed version, an important analysis was done to verify that it can be faster than the standalone version but also more power-efficient when reducing the clock speed and voltage of those devices. Finally, this investigation could determine what is the threshold from where the distributed version, even with a high overhead due communication between the devices, become either faster or more power-efficient than the standalone one.
URI: https://repositorio.ufrn.br/handle/123456789/31196
Appears in Collections:PPGEE - Mestrado em Engenharia Elétrica e de Computação

Files in This Item:
File Description SizeFormat 
Proposalembeddedstandalone_Medeiros_2020.pdf1,94 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.